L4級自動駕駛，插上車路協同的翅膀才能飛？_風聞

“自動駕駛商業化元年”的呼聲正在明顯變高，最有發言權的自動駕駛初創公司們，正在不斷開展商業化的軍備競賽。

不少自動駕駛公司在今年都收穫不小，但在商業化上最引人關注的，可能要數2017年成立的蘑菇車聯。和Robotaxi或者量產上車的願景不同，蘑菇車聯提出並堅持“車路雲一體化”自動駕駛方案，從而連獲十億級別大單，並隱約透露出高階自動駕駛的前景。

9月底，瑞銀證券亞太區工業及基礎設施行業主管徐賓在一場媒體分享會上指出：“受益於車路協同的發展，中國或許比美國能更快地實現自動駕駛。”這裏的自動駕駛指的不是一兩家公司的測試，而是在一定條件下規模化、商業化的成熟運營。

瑞銀給出了一個頗具啓發的意見，也側面引發了一系列思考：作為今年商業化成果突出的路線之一，車路協同解決了什麼問題，蘑菇車聯又為何快速得到認可？現有的成果是否預示着，高階自動駕駛落地，並非遙不可及？

在蘑菇車聯的特殊實踐中，答案正在浮現。

高階自動駕駛的夢想照進現實

自動駕駛可以分為兩個內部階段，第一階段是有條件自動駕駛，第二階段是全無人自動駕駛。其中，L3需要人適時接管，只是過渡階段；L5暢想的全場景無條件自動駕駛，目前不可能實現。因此，L4成為高階自動駕駛的競爭焦點。

9月16日，蘑菇車聯發佈了全球首款搭載“車路雲一體化”系統的自動駕駛前裝量產巴士，包括MOGO BUS M1（小巴）和MOGO BUS M2（巴士）。其中，M1去掉了方向盤、油門和剎車，可以真正實現全無人駕駛。不僅如此，蘑菇車聯在Robotaxi、環衞車、巡邏車、物流車、牽引車等自動駕駛車型上也早有佈局。

此前，蘑菇車聯一個月內攬獲約66億元訂單的消息曾刷屏，這些車型也會應用於以車路雲一體化為核心的城市級自動駕駛項目。基於L4級自動駕駛開發的新車型，説明**高階自動駕駛大規模落地的夢想，是有能力照進現實的。**就在9月1日，百度創始人李彥宏也在上海的世界人工智能大會上表示，L4自動駕駛很可能比L3更早商用。

要解釋為什麼蘑菇車聯的模式，有望讓L4級自動駕駛率先大規模落地，不妨重温一下自動駕駛等級劃分中的細節：

根據行業通用的美國汽車工程學會（SAE）分級標準，L4級別被稱為高度自動駕駛，**在限定道路和環境中，**全程不需要駕駛員，因此也不需要安裝油門、踏板、方向盤等操控設備。

L4級別要求的特定的道路和環境條件，本質上是需要保證自動駕駛感知信息來源足夠充分，以替代人類駕駛員的認知。而車路協同或者車路雲一體化的路線，就是建立這樣一個信息飽和度高的交通系統。

現有的ADAS系統雖然為單車智能帶來了量變，但面對暴雨、暴雪、逆光、物理盲區等極端天氣或極端自動駕駛情境時，安全性、多樣性、效率問題依然存在。按照瑞銀的説法，車路協同模式下的自動駕駛有路側感知設備作為輔助，能夠更容易、更加便宜、更加快速、更加廣泛地運用自動駕駛。

單車智能的設備再貴，也只能掃描車輛近場環境。“單車智能+車路協同”兩條腿走路，才能更快滿足L4的信息需求。在這樣的背景下，車路雲一體化方案，落地性優於AI弱智能+激光雷達強感知+高精地圖的單車智能模式。

目前，自動駕駛企業的主戰場還是城市，而城市又可以進一步劃分成業務單元，可以滿足特定區域對L4自動駕駛的需求。向高階自動駕駛過渡的關鍵戰役，就在這裏打響了。

城市交通需要什麼，“雲”知道

“我們非常希望和運營平台合作，以驗證自動駕駛的技術成熟度，並通過運營、提供服務的方式推向市場。”輕舟智航創始人於騫在一次採訪中表示。

這既説明了自動駕駛初創企業商業化需要依附於運營平台，也讓蘑菇車聯將自動駕駛車隊運營納入自己模式的意圖更加明晰。或者説，“車路雲一體化”方案，在城市級運營中才能更好體現自身的優勢。

在“車”的方面，L4自動駕駛車輛，基本都是公交車、配送車、清潔車、巡邏車、物流車、牽引車、礦卡等應用於特定區域的特種車輛。在技術能力上，它們的單車智能水平始終在線。路側設備協同，則讓多傳感器融合水平、自動駕駛軟硬件系統集成度得到了進一步提升。

蘑菇車聯裝載於車體的自動駕駛汽車大腦，集成了自動駕駛計算單元、高精定位單元、車路協同通信單元三大功能模塊，並搭載蘑菇車聯自研的Mogo AutoPilot（MAP），是業內集成度最高的軟硬件一體化系統。這給車路雲高度一體化，提供了“車”側的支持。

“路”的本質是智慧交通新基建，也就是前文提到的攝像頭、激光雷達、通信和邊緣計算單元這樣的，具備數字化調度能力的路側設備，這在過往的智慧交通標杆案例中有所體現。不過，以自動駕駛落地為核心的路側建設，在部署方面更強調與系統的智能融合。

很多特性都透露出對融合的追求，例如通信鏈路的建設。MOGO BUS從路側到雲端再到車端的整個鏈路延遲僅100毫秒，這意味着車可以更快了解路的狀態。道路正在發生的事件被整理為數據，傳遞到L4自動駕駛車輛上，從而輔助車輛完成感知-決策-執行的鏈條。

在完成了車和路的兩點協同後，車路協同才展示出自己的差異化優勢：單車智能關注的是當前運行域的狀況，它實際上是由一個個具體時間節點探測到的信息連接起來的。但通過跨傳感器、跨系統的整體配合，車路協同可以對一個大區域進行全程無縫跟蹤管理，從而實現對整個交通系統的高度掌控。

在城市級自動駕駛單元中，這個管理所用的工具是“雲”。

在蘑菇車聯的“衡陽模式”中，雲端的“城市交通大腦”AI雲平台，既為交通管理者提供實時動態的統一管理平台，也為普通用户提供新型交通服務。

舉個例子，對城市運營，比如環衞車、巡邏車、物流車、警用車、醫療用車等特殊場景，系統可以進行點對點的快速支持，包括綠波帶、線路規劃等等，提高城市服務的效能和效率。

足夠規模的車和路，可以將城市整體交通狀態以數據化呈現，送到雲端。所以，城市需要什麼，“雲”知道。在這樣的底座上，高階自動駕駛能儲備更多的信息，走向有秩序的規模化。

迴歸“現實主義”

“以城市為獨立單元是自動駕駛在國內環境下較為合理的落地邏輯。區域統一管理、基礎設施一致、路線可控是自動駕駛落地城市的三個核心要素。”蘑菇車聯CEO朱磊的這番説法，正好也描繪出城市的管理者們、居民們早已具有的需求。自2010年起，國內就開始推進車路協同的試驗和建設。

值得一提的是，蘑菇車聯衡陽市智能網聯汽車（5G智能交通）項目，也被納入湖南省工業和信息化廳公佈的湖南2022年“數字新基建”100個標誌性項目。新基建背景下，自動駕駛商業化註定會更多與當地經濟社會發展戰略相結合，這考驗着科技公司對項目的把控能力。

接下來很長一段時間內，科技公司要關注的命題是，在直接投資回報率之外，尋找提高整體經濟效益的可能性——孤立的自動駕駛方案雖然確實能降低成本，但要融入交通的圈子並不容易，沒有什麼方案可以只上車卻不進交通系統。

當然，技術提供方也可以選擇將進入交通系統的問題交給自己的主機廠，其中的利害見仁見智。至少，不考慮後面一個要素的方案，終究帶着缺憾。對真正的自動駕駛，尤其是高階自動駕駛商用而言，上車只是單腳邁過了門檻。

城市公共服務或許不是唯一的出路，但相較於重押Robotaxi等單一賽道，多手準備有助於對沖技術同質化背後的商業風險。蘑菇車聯已經用實際行動給出了參考，更不用説Momenta、小馬智行、文遠知行等初創公司都在儘量拓展應用面。

瑞銀證券亞太區工業及基礎設施行業主管徐賓預計，2022—2040年中國路側端投資規模將達到3000億美元，每年車路協同可為中國公路貨運市場節省2700億美元的勞動力成本。這一切的前提是讓模式跑起來，跑進日常的交通應用。

在單車智能和車路協同的路線辯論中，一種觀點認為，車路協同的難點，就在於其商業運作完全超出了技術範疇。蘑菇車聯的案例卻説明，重視落地應用，才是技術服務於人類需要做出的改變。畢竟，只有活在現實中，技術才能發揚光大、長盛不衰。

來源：松果財經